CN116454934A - 一种基于多设备的储能ems云平台 - Google Patents

一种基于多设备的储能ems云平台 Download PDF

Info

Publication number
CN116454934A
CN116454934A CN202310343360.0A CN202310343360A CN116454934A CN 116454934 A CN116454934 A CN 116454934A CN 202310343360 A CN202310343360 A CN 202310343360A CN 116454934 A CN116454934 A CN 116454934A
Authority
CN
China
Prior art keywords
energy storage
power
data
battery
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310343360.0A
Other languages
English (en)
Other versions
CN116454934B (zh
Inventor
李静
曹宇
夏静
周盛
冯程
刘大杰
马卓华
朱海洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weisheng Energy Technology Co ltd
Original Assignee
Weisheng Energy Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Weisheng Energy Technology Co ltd filed Critical Weisheng Energy Technology Co ltd
Priority to CN202310343360.0A priority Critical patent/CN116454934B/zh
Publication of CN116454934A publication Critical patent/CN116454934A/zh
Application granted granted Critical
Publication of CN116454934B publication Critical patent/CN116454934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00028—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment involving the use of Internet protocols
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Computer Interaction (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于多设备的储能EMS云平台，包括数据采集模块、数据分析模块、控制策略模块、电池管理模块和安全监控模块：数据采集模块用于实时采集能量管理系统中用户电能数据，数据分析模块用于对已采集的数据进行分析计算电量指标和能效指标，控制策略模块用于根据客户需求进行更改储能电站系统的部署环节，电池管理模块包括电池状态评价单元和电池寿命预测单元，安全监控模块包括电池风险规避单元、电站风险规避单元和远程调控单元。本发明的益处在于，数据分析过程中调用公式对已采集的数据进行计算，不单一显示采集数据，更直观更简洁的显示有效数据。

Description

一种基于多设备的储能EMS云平台
技术领域
本发明涉及云平台技术领域，尤其涉及一种基于多设备的储能EMS云平台。
背景技术
储能EMS也称为能量管理系统是储能系统的大脑，主要实现能量的安全优化调度以及能源数据展示。通过与电池管理系统(BMS)、双向储能变流器(PCS)、光伏逆变器、回路电量表、可管理负载设备、外围设备(空调、消防)实时通讯，收集所有通讯子站的重要数据，通过对数据的采集、处理、分析，经过内部程序逻辑运算，控制整个储能系统有序、稳健运行。
传统储能EMS系统对于采集到的数据处理有很大的隐患，例如存储数量较大、设备报文解析不完整。相较于本系统所提出的控制策略，传统EMS系统的控制策略较为单一。另外，安全对于储能行业来说为重中之重，因此，EMS系统对储能系统安全问题的监管要做到准确、实时、全面。
发明内容
本发明的目的在于解决背景技术中提出的问题。
为了实现本发明的目的，本发明采取的技术方案为：
一种基于多设备的储能EMS云平台，包括数据采集模块、数据分析模块、控制策略模块、电池管理模块和安全监控模块：
数据采集模块用于实时采集能量管理系统中用户电能数据；
数据分析模块用于对已采集的数据进行分析计算电量指标和能效指标，并以2分钟为更新频率在前端平台进行web页面展示；
控制策略模块用于根据客户需求进行更改储能电站系统的部署环节，控制策略模块包括削峰填谷模式、定时模式、限电模式、需量控制模式、备电模式、负载扩容模式和平抑波动模式中的一种或多种；
电池管理模块包括电池状态评价单元和电池寿命预测单元，电池评价状态包括对如下数据评估：电池温度极差、电池电压极差、充电平均功率、放电平均功率，电池寿命预测采用基于Matlab的LSTM神经网络的锂电池寿命预测方法，根据观测值更新网络状态；
安全监控模块包括电池风险规避单元、电站风险规避单元和远程调控单元。
进一步的，所述数据采集模块包括Redis，Redis连接储能系统的硬件设备和报文解析器，报文解析器连接消息队列，消息队列连接数据库；数据采集模块采用Redis将采集到的报文进行缓存，通过多个报文解析器根据关键字、校验码、报文协议解析出完整报文，进行多线程解析，保证所有数据被正常解析；将消息队列作为数据库的缓冲装置，当报文解析器完整解析出数据后，将数据转换为SQL语句存储至消息队列中，消息队列自动配置集群，进行SQL分配请求，在数据上载高峰，消息队列进行错峰提交数据，保证每秒至少提交到数据库3000条SQL语句。
进一步的，所述电量指标包括储能电站上网电量、下网电量、站用电量、运行小时数、等效利用系数、以及储能单元充放电量，其计算公式如下：
运行小时数：
等效利用系数：其中：/>
其中：UTH为储能电站评价周期内运行小时数，P为储能电站额定功率,Pi为第i个储能单元的额定功率，UTHi为第i个储能单元评价周期内的运行小时数，EAF为储能电站等效利用系数，EAFi为第i个储能单元的等效利用系数，ECi为第i个储能单元在评价周期内的充电量，EDi为第i个储能单元在评价周期内的放电量，Pi为第i个储能单元的额定功率，PH为评价周期内统计时间小时数，当评价周期为1年时,PH取为8760h。
进一步的，所述能效指标包括储能电站能效指标应包括电站综合效率、储能损耗率和储能单元充放电能量效率，其计算公式如下：
电站综合效率：
储能损耗率：
储能单元充放电能量效率：
其中：ηEESS为储能电站综合效率，Eon为评价周期内储能电站的上网电量，Eoff为评价周期内储能电站的下网电量，ηESU为储能单元充放电能量效率，ED为评价周期内储能单元总的放电量，EC为评价周期内储能单元总的充电量，ηESU为储能单元充放电能量效率，ED为评价周期内储能单元总的放电量，EC为评价周期内储能单元总的充电量。
进一步的，所述削峰填谷模式支持设置全天峰、谷时间段、调度方式及充放电功率，实现峰谷套利；需量控制模式监测变压器低压侧电量信息，设置变压器申报容量，储能系统运行时结合低压侧功率，变压器输出功率超限时，实现平滑调整储能系统的输出功率，切换充放电模式，按需补偿，保证变压器的负荷低于申报容量的同时最大限度满足储能系统的经济运行；定时模式定义时段及该时段的功率，系统按照此时段设定的功率进行充放电；限电模式根据客户指定限电时间，储能系统提前备好电能，限电时，优先使用储能补充，当储能不足时，在条件允许的情况下，对非重要负载进行拉闸断电达到限电运行；当启用备电模式，系统设置备用SOC，系统在正常流程放电时会控制电池最低SOC大于备用SOC值，保证系统进入备用电源运行策略时的供电能力；负载扩容模式系统采集负载的功率，配置负载需要电池供电的功率，负载空闲的功率，根据负载功率实时调整输出，根据空闲级别，对电池进行充电；平抑波动模式风光等可再生资源具有间歇性，严重影响电力系统安稳定性，通过储能系统的合理调节，可平滑功率曲线，平抑功率的波动率，提高电能质量，减少对于电网的冲击。
进一步的，所述基于Matlab的LSTM神经网络的锂电池寿命预测方法包括以下步骤：
S1：构建神经网络模型，依据锂电池原始存储数据划分数据训练集和测试集；
S2:进行数据预处理，将采集到的训练集数据切分为7500个数据并对数据进行标准化，消除变量之间的量纲关系，使数据具有可比性；
S3：构造交替5秒时间间隔的时间序列作为神经网络的输入和输出；
S4：神经网络训练，指定LSTM层的隐含单元个数为四，神经网络模型包括：四层输入层，四层LSTM模型，一层全连接层；指定训练选项，1000轮训练最大训练周期为150，梯度阈值设置为1，指定初始学习率0.01，每当经过一定数量的时期时，学习率就会乘以一个系数。在50轮训练后通过乘以因子0.5来降低学习率；
S5：神经网络预测以及精度反映，仿照神经网络训练中XTrain和YTrain的样式去构造一个测试集，首先用input_Train来初始化神经网络，在LSTM中，state cell是实时在更新的，但对于整个网络需要给它一个初始化的值，但不一定是利用整个input_Train的效果最好，因此在实际使用中input_Train可以考虑给予一个比例，来让其初始化；其次通过预测量预定义进行神经网络预测并记录输出的预测值；
S6：神经网络实际应用，用input_Test代入刚刚用input_Train来更新的网络得到第一个输出并得到对应的预测值，并记录输出的2个预测值。通过对数据集也神经网络预测值的对比，拟合准确率为85％。
进一步的，所述电池状态评价指标设置阀值来进行实时显示，根据评价指标及权重电池健康度综合得分大于90分的为优级；得分为80分～90分的为良级；得分为70分～80分的为中级；得分为60分～70分的为合格；得分低于60分的为不合格。
进一步的，所述电站风险规避单元包含物理保护和平台监控，物理保护为采用风冷、液冷技术进行电池仓和电池的温度控制，平台监控为实时接收推送bms、pcs告警进行运维推送。
与现有技术相比，本发明的优点在于：
1、数据采集与存储过程中设置两层缓冲区保证数据的解析完整和存储效率，充分利用了数据库的储存能力。
2、数据分析过程中调用公式对已采集的数据进行计算，不单一显示采集数据，更直观更简洁的显示有效数据。
3、提供多种控制策略模式，并且采用模块化设计单一策略的投运与切除不影响其它策略的运行，并在与客户沟通后定制化设计出适合环境和需求的储控制策略模块，让不同的用户都获得满意。
4、提供更高精准度的神经网络模型结构预测锂电池使用寿命，满足对锂原电池的贮存寿命和贮存性能的快速判断。
5、依据电池充放电性能和相关参数的评估，实时监控电池健康状态，配合电池寿命预测值构成储能安全监控架构。
附图说明
图1是本发明一种多设备储能EMS数据存储系统的能量管理系统结构示意图；
图2是本发明一种多设备储能EMS数据存储系统的多设备数据采集示意图；
图3是本发明一种多设备储能EMS数据存储系统的控制策略模块示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采用的技术手段及功效，以下结合附图及较佳实例，对依据本发明提出的一种基于多设备的储能EMS云平台，详细说明如下：
如图1所示：数据采集与分析模块用于采集储能系统中用户侧实时电能数据，同时进行数据分析，计算电站电量指标、能效指标，根据各类指标进行充放电能力评价、能效评价、电站综合评价；控制策略模块用于根据客户需求进行更改储能电站系统的部署环节，本系统可提供：削峰填谷、定时模式、限电模式、需量控制、备电模式、负载扩容、平抑波动等策略模块，也可根据客户需求现场定制并且控制策略采用模块化设计，单一策略的投运与切除不影响其它策略的运行；电池管理模块包括电池评价单元、电池安全单元，从根源管控电池安全问题；安全监控模块包括安全风险规避单元、安全处置单元、远程调控单元，对避免安全问题发生和解决已发生安全问题作出详细规划。
如图2所示：数据采集模块，数据采集过程包含Redis缓存、报文解析器、消息队列、数据库和储能系统的硬件设备；Redis与储能系统的硬件设备相连，报文解析器与Redis相连，消息队列与报文解析器相连，数据库与消息队列相连；数据采集模块采用Redis将采集到的报文进行缓存，通过多个报文解析器根据关键字、校验码、报文协议解析出完整报文，进行多线程解析，保证所有数据被正常解析；将消息队列作为数据库的缓冲装置，当报文解析器完整解析出数据后，将数据转换为SQL语句存储至消息队列中，消息队列自动配置集群，进行SQL分配请求，在数据上载高峰，消息队列进行错峰提交数据，保证每秒至少提交到数据库3000条SQL语句。
数据分析模块，云平台后台通过提供公式对已采集数据进行计算，前端平台进行web页面展示，以2分钟为更新频率进行刷新；电量指标计算包含储能电站上网电量、下网电量、站用电量、运行小时数、等效利用系数、以及储能单元充放电量；能效指标计算包含储能电站能效指标应包括电站综合效率、储能损耗率、储能单元充放电能量效率；
运行小时数可根据公式：计算；
式中:
UTH—储能电站评价周期内运行小时数,单位为小时(h)；
P—储能电站额定功率,单位为千瓦(kW)；
Pi—第i个储能单元的额定功率,单位为千瓦(kW)；
UTHi—第i个储能单元评价周期内的运行小时数,单位为小时(h)；
等效利用系数可根据公式：计算；
式中：
EAF—储能电站等效利用系数,单位％；
P—储能电站额定功率,单位为千瓦(kw)；
Pi—第i个储能单元的额定功率，单位为千瓦(kw)；
EAFi—第i个储能单元的等效利用系数，单位％；
其中：
式中：
ECi—第i个储能单元在评价周期内的充电量,单位为千瓦时(kw·h)；
EDi—第i个储能单元在评价周期内的放电量,单位为千瓦时(kW·h)；
Pi—第i个储能单元的额定功率,单位为千瓦(kW)；
PH—评价周期内统计时间小时数,单位为小时(h),当评价周期为1年时,PH取为8760h。
电站综合效率可根据公式：
式中：
ηEESS—储能电站综合效率，单位％；
Eon—评价周期内储能电站的上网电量，单位为千万时(kW·h)；
Eoff—评价周期内储能电站的下网电量，单位为千万时(kW·h)；
储能损耗率可根据公式：计算；
式中：
RES—电站储能损耗率，％；
∑EC—评价周期内各储能单元的充电量总和,单位为千瓦时(kw·h)；
∑ED—评价周期内各储能单元的放电量总和,单位为千瓦时(kw·h)；
Eoff—评价周期内储能电站的下网电量,单位为千瓦时(kw·h)。
储能单元充放电能量效率可根据公式：计算；
式中：
ηESU—储能单元充放电能量效率，％；
ED—评价周期内储能单元总的放电量,单位为于瓦时(W·h)；
EC—评价周期内储能单元总的充电量，单位为于瓦时(kw·h)。
如图3所示：控制策略模块，控制策略采用模块化设计，单一策略的投运与切除不影响其它策略的运行。削峰填谷模式支持设置全天峰、谷时间段、调度方式及充放电功率，实现峰谷套利；需量控制模式监测变压器低压侧电量信息，设置变压器申报容量，储能系统运行时结合低压侧功率，变压器输出功率超限时，实现平滑调整储能系统的输出功率，切换充放电模式，按需补偿，保证变压器的负荷低于申报容量的同时最大限度满足储能系统的经济运行；定时模式定义时段及该时段的功率，系统按照此时段设定的功率进行充放电；限电模式根据客户指定限电时间，储能系统提前备好电能，限电时，优先使用储能补充，当储能不足时，在条件允许的情况下，对非重要负载进行拉闸断电达到限电运行；当启用备电模式，系统设置备用SOC，系统在正常流程放电时会控制电池最低SOC大于备用SOC值，保证系统进入备用电源运行策略时的供电能力；负载扩容模式系统采集负载的功率，配置负载需要电池供电的功率，负载空闲的功率，根据负载功率实时调整输出，根据空闲级别，对电池进行充电；平抑波动模式风光等可再生资源具有间歇性，严重影响电力系统安稳定性，通过储能系统的合理调节，可平滑功率曲线，平抑功率的波动率，提高电能质量，减少对于电网的冲击。
电池管理模块，包括电池状态评价、电池寿命预测；为解决电池评价的局限性，在此提出新的电池状态评估方法：电池充放电性能和相关参数的评估，确定评价电池性能的几个重要指标，分别是电池温度极差、电池电压极差、充电平均功率、放电平均功率；电池寿命预测利用提供一种基于Matlab的LSTM神经网络的锂电池寿命预测方法，采用根据观测值去更新网络状态预测方法。其输入影响寿命因子为：充放电效率、等效循环次数、能量保持率、等效运行时间。
神经网络算法包括一下步骤：
S1：构建神经网络模型，依据锂电池原始存储数据划分数据训练集测试集；
S2:进行数据预处理，将采集到的训练集数据切分为7500个数据并对数据进行标准化，消除变量之间的量纲关系，使数据具有可比性；
S3：构造交替5秒时间间隔的时间序列作为神经网络的输入和输出；
S4：神经网络训练，指定LSTM层的隐含单元个数为四，神经网络模型包括：四层输入层，四层LSTM模型，一层全连接层；指定训练选项，1000轮训练最大训练周期为150，梯度阈值设置为1，指定初始学习率0.01，每当经过一定数量的时期时，学习率就会乘以一个系数。在50轮训练后通过乘以因子0.5来降低学习率；
S5：神经网络预测以及精度反映，仿照神经网络训练中XTrain和YTrain的样式去构造一个测试集，首先用input_Train来初始化神经网络，在LSTM中，state cell是实时在更新的，但对于整个网络需要给它一个初始化的值，但不一定是利用整个input_Train的效果最好，因此在实际使用中input_Train可以考虑给予一个比例，来让其初始化；其次通过预测量预定义进行神经网络预测并记录输出的预测值；
S6：神经网络实际应用，用input_Test代入刚刚用input_Train来更新的网络得到第一个输出并得到对应的预测值，并记录输出的2个预测值。通过对数据集也神经网络预测值的对比，拟合准确率为85％。
安全监控模块，电池风险规避单元是根据电池状态评价指标设置阀值来进行实时显示，根据评价指标及权重电池健康度综合得分大于90分的为优级；得分为80分90分的为良级；得分为70分～80分的为中级；得分为60分～70分的为合格；得分低于60分的为不合格，具体评价指标见下表。
指标 权重
电池温度极差 30％
电池电压极差 30％
充电平均功率 20％
放电平均功率 20％
数据存储系统的电池状态评价指标权重表
电站风险规避单元包含物理保护和平台监控，物理保护为采用风冷、液冷技术进行电池仓和电池的温度控制，平台监控为实时接收推送bms、pcs告警及电池寿命预测值进行运维推送。
远程调控单元，持远程调试功能，我方技术人员可随时随地通过远程方式对EMS进行程序调试与维护，大大节约调试、维护和升级成本，使系统具备较高的性价比。
以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于多设备的储能EMS云平台，其特征在于：包括数据采集模块、数据分析模块、控制策略模块、电池管理模块和安全监控模块：数据采集模块用于实时采集能量管理系统中用户电能数据；
数据分析模块用于对已采集的数据进行分析计算电量指标和能效指标，并以2分钟为更新频率在前端平台进行web页面展示；
控制策略模块用于根据客户需求进行更改储能电站系统的部署环节，控制策略模块包括削峰填谷模式、定时模式、限电模式、需量控制模式、备电模式、负载扩容模式和平抑波动模式中的一种或多种；
电池管理模块包括电池状态评价单元和电池寿命预测单元，电池状态评价单元进行评估的数据如下：电池温度极差、电池电压极差、充电平均功率、放电平均功率，电池寿命预测采用基于Matlab的LSTM神经网络的锂电池寿命预测方法，根据观测值更新网络状态；
安全监控模块包括电池风险规避单元、电站风险规避单元和远程调控单元。
2.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述数据采集模块包括Redis，Redis连接储能系统的硬件设备和报文解析器，报文解析器连接消息队列，消息队列连接数据库；数据采集模块采用Redis将采集到的报文进行缓存，通过多个报文解析器根据关键字、校验码、报文协议解析出完整报文，进行多线程解析，保证所有数据被正常解析；将消息队列作为数据库的缓冲装置，当报文解析器完整解析出数据后，将数据转换为SQL语句存储至消息队列中，消息队列自动配置集群，进行SQL分配请求，在数据上载高峰，消息队列进行错峰提交数据，保证每秒至少提交到数据库3000条SQL语句。
3.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述电量指标包括储能电站上网电量、下网电量、站用电量、运行小时数、等效利用系数、以及储能单元充放电量，其计算公式如下：
运行小时数：
等效利用系数：其中：/>
其中：UTH为储能电站评价周期内运行小时数，P为储能电站额定功率,Pi为第i个储能单元的额定功率，UTHi为第i个储能单元评价周期内的运行小时数，EAF为储能电站等效利用系数，EAFi为第i个储能单元的等效利用系数，ECi为第i个储能单元在评价周期内的充电量，EDi为第i个储能单元在评价周期内的放电量，Pi为第i个储能单元的额定功率，PH为评价周期内统计时间小时数，当评价周期为1年时,PH取为8760h。
4.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述能效指标包括储能电站能效指标应包括电站综合效率、储能损耗率和储能单元充放电能量效率，其计算公式如下：
电站综合效率：
储能损耗率：
储能单元充放电能量效率：
其中：ηEESS为储能电站综合效率，Eon为评价周期内储能电站的上网电量，Eoff为评价周期内储能电站的下网电量，ηESU为储能单元充放电能量效率，ED为评价周期内储能单元总的放电量，EC为评价周期内储能单元总的充电量，ηESU为储能单元充放电能量效率，ED为评价周期内储能单元总的放电量，EC为评价周期内储能单元总的充电量。
5.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述削峰填谷模式支持设置全天峰、谷时间段、调度方式及充放电功率，实现峰谷套利；需量控制模式监测变压器低压侧电量信息，设置变压器申报容量，储能系统运行时结合低压侧功率，变压器输出功率超限时，实现平滑调整储能系统的输出功率，切换充放电模式，按需补偿，保证变压器的负荷低于申报容量的同时最大限度满足储能系统的经济运行；定时模式定义时段及该时段的功率，系统按照此时段设定的功率进行充放电；限电模式根据客户指定限电时间，储能系统提前备好电能，限电时，优先使用储能补充，当储能不足时，在条件允许的情况下，对非重要负载进行拉闸断电达到限电运行；当启用备电模式，系统设置备用SOC，系统在正常流程放电时会控制电池最低SOC大于备用SOC值，保证系统进入备用电源运行策略时的供电能力；负载扩容模式系统采集负载的功率，配置负载需要电池供电的功率，负载空闲的功率，根据负载功率实时调整输出，根据空闲级别，对电池进行充电；平抑波动模式风光等可再生资源具有间歇性，严重影响电力系统安稳定性，通过储能系统的合理调节，可平滑功率曲线，平抑功率的波动率，提高电能质量，减少对于电网的冲击。
6.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述基于Matlab的LSTM神经网络的锂电池寿命预测方法包括以下步骤：
S1：构建神经网络模型，依据锂电池原始存储数据划分数据训练集和测试集；
S2:进行数据预处理，将采集到的训练集数据切分为7500个数据并对数据进行标准化，消除变量之间的量纲关系，使数据具有可比性；
S3：构造交替5秒时间间隔的时间序列作为神经网络的输入和输出；
S4：神经网络训练，指定LSTM层的隐含单元个数为四，神经网络模型包括：四层输入层，四层LSTM模型，一层全连接层；指定训练选项，1000轮训练最大训练周期为150，梯度阈值设置为1，指定初始学习率0.01，每当经过一定数量的时期时，学习率就会乘以一个系数。在50轮训练后通过乘以因子0.5来降低学习率；
S5：神经网络预测以及精度反映，仿照神经网络训练中XTrain和YTrain的样式去构造一个测试集，首先用input_Train来初始化神经网络，在LSTM中，state cell是实时在更新的，但对于整个网络需要给它一个初始化的值，但不一定是利用整个input_Train的效果最好，因此在实际使用中input_Train可以考虑给予一个比例，来让其初始化；其次通过预测量预定义进行神经网络预测并记录输出的预测值；
S6：神经网络实际应用，用input_Test代入刚刚用input_Train来更新的网络得到第一个输出并得到对应的预测值，并记录输出的2个预测值。通过对数据集也神经网络预测值的对比，拟合准确率为85％。
7.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述电池状态评价指标设置阀值来进行实时显示，根据评价指标及权重电池健康度综合得分大于90分的为优级；得分为80分～90分的为良级；得分为70分～80分的为中级；得分为60分～70分的为合格；得分低于60分的为不合格。
8.如权利要求1所述的一种基于多设备的储能EMS云平台，其特征在于：所述电站风险规避单元包含物理保护和平台监控，物理保护为采用风冷、液冷技术进行电池仓和电池的温度控制，平台监控为实时接收推送bms、pcs告警进行运维推送。
CN202310343360.0A 2023-04-03 2023-04-03 一种基于多设备的储能ems云平台 Active CN116454934B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310343360.0A CN116454934B (zh) 2023-04-03 2023-04-03 一种基于多设备的储能ems云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310343360.0A CN116454934B (zh) 2023-04-03 2023-04-03 一种基于多设备的储能ems云平台

Publications (2)

Publication Number Publication Date
CN116454934A true CN116454934A (zh) 2023-07-18
CN116454934B CN116454934B (zh) 2024-01-19

Family

ID=87131458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310343360.0A Active CN116454934B (zh) 2023-04-03 2023-04-03 一种基于多设备的储能ems云平台

Country Status (1)

Country Link
CN (1) CN116454934B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160218511A1 (en) * 2013-10-17 2016-07-28 Zhangjiakou Wind And Solar Power Energy Demonstration A monitoring system and method for megawatt level battery energy storage power plant
CN112241608A (zh) * 2020-10-13 2021-01-19 国网湖北省电力有限公司电力科学研究院 一种基于lstm网络和迁移学习的锂电池寿命预测方法
CN112819282A (zh) * 2021-01-04 2021-05-18 傲普(上海)新能源有限公司 一种多设备储能ems数据存储系统
CN113971530A (zh) * 2021-10-29 2022-01-25 国网福建省电力有限公司福州供电公司 面向新型电力系统源网荷储协同的电力平衡方法
CN114583730A (zh) * 2022-01-21 2022-06-03 岳阳耀宁新能源科技有限公司 一种用于通信基站削峰填谷及储能管理的系统及方法
CN114865668A (zh) * 2022-03-10 2022-08-05 山东电工电气集团有限公司 一种储能调度支撑评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160218511A1 (en) * 2013-10-17 2016-07-28 Zhangjiakou Wind And Solar Power Energy Demonstration A monitoring system and method for megawatt level battery energy storage power plant
CN112241608A (zh) * 2020-10-13 2021-01-19 国网湖北省电力有限公司电力科学研究院 一种基于lstm网络和迁移学习的锂电池寿命预测方法
CN112819282A (zh) * 2021-01-04 2021-05-18 傲普(上海)新能源有限公司 一种多设备储能ems数据存储系统
CN113971530A (zh) * 2021-10-29 2022-01-25 国网福建省电力有限公司福州供电公司 面向新型电力系统源网荷储协同的电力平衡方法
CN114583730A (zh) * 2022-01-21 2022-06-03 岳阳耀宁新能源科技有限公司 一种用于通信基站削峰填谷及储能管理的系统及方法
CN114865668A (zh) * 2022-03-10 2022-08-05 山东电工电气集团有限公司 一种储能调度支撑评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李洁 等: "参与新型电力系统需求响应的分布式储能资源管理与策略研究", 《供用电》 *
李相俊;马锐;王上行;张宇;李蓓;方陈;: "考虑电池寿命的商业园区储能电站运行控制策略", 高电压技术, no. 01 *

Also Published As

Publication number Publication date
CN116454934B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
CN109523087A (zh) 基于深度学习的电动汽车快充站储能监测系统及其方法
CN111009895B (zh) 一种微网优化调度方法、系统以及设备
Feng et al. Performance analysis of hybrid energy storage integrated with distributed renewable energy
CN113746138A (zh) 应用于风储电站的储能智慧能量管理系统
CN117013606B (zh) 一种基于人工智能的光伏发电智能储能控制系统
CN116799844B (zh) 一种移动式分布式储能系统
CN114219214A (zh) 考虑新能源与电动汽车接入的电网综合风险评估体系
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
CN115000985A (zh) 一种用户侧分布式储能设施聚合管控方法及系统
CN116885763B (zh) 一种适用于分布式储能系统的能量管理装置及方法
CN116454934B (zh) 一种基于多设备的储能ems云平台
CN112186808A (zh) 一种微网能量优化调度方法
CN111538937A (zh) 一种梯次利用储能电站综合评价方法和系统
Yang et al. Inverse proportion technique based scheduling strategy for energy storage system considering load demand differences
CN114638125A (zh) 计及源-网-荷-储的复杂电网投资决策方法
CN112686555A (zh) 一种区域配电网综合分析方法、装置及系统
CN112598272A (zh) 一种基于区块链技术的智能电网管理系统
Zhang et al. Optimization Method of User-Side Energy Storage Capacity Considering Typical Daily Load Characteristics
KR102514780B1 (ko) 외부 환경 정보에 기반하는 에너지 저장장치 모니터링 시스템
Bo et al. Situation Awareness of Electric Vehicle Charging Load Based on Random Forest Algorithm
Jain et al. A data driven approach for scheduling the charging of electric vehicles
Lu et al. Simulation of Optimal Ratio Model of Power System Energy Storage Capacity Based on Grey Clustering Algorithm
Zhang et al. Deep Reinforcement Learning-Based Battery Conditioning Hierarchical V2G Coordination for Multi-Stakeholder Benefits
Shiguang et al. Multi-objective Optimization Scheduling of Micro-grid with Energy Storage under Time-of-Use Price Mechanism
Sun et al. A Quantitative Calculation Method for the Flexibility Demand of Provincial Power Grid

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant